计算图像方差的理论是什么？答案

【问题标题】：What's the theory behind computing variance of an image?计算图像方差的理论是什么？
【发布时间】：2018-06-27 10:39:50
【问题描述】：

我正在尝试使用 LaplacianFilter 计算图像的模糊度。

根据这篇文章：https://www.pyimagesearch.com/2015/09/07/blur-detection-with-opencv/ 我必须计算输出图像的方差。问题是我从概念上不理解如何计算图像的方差。

每个像素对于每个颜色通道都有 4 个值，因此我可以计算每个通道的方差，但是通过计算方差-协方差矩阵，我得到 4 个值，甚至 16 个值，但是根据 OpenCV 示例，它们只有1 个号码。

在计算出这个数字之后，他们只是使用阈值来做出二元决定，图像是否模糊。

附言。我绝不是该主题的专家，因此我的陈述毫无意义。如果是这样，请编辑问题。

【问题讨论】：

“他们只是玩弄阈值来做出二元决策”。确实。无法声明图像是否在焦点上。例如，您在此处计算的方差取决于场景中碰巧有多少边。唯一能做的就是比较同一场景在不同焦深的图像，并确定哪一张最清晰（它的方差最大）。

标签： opencv computer-vision pixel variance blurry

【解决方案1】：

关于句子描述：

模糊图像的边缘是smoothed，所以variance很小。

1.如何计算方差。

post的核心功能是：

def variance_of_laplacian(image):
    # compute the Laplacian of the image and then return the focus
    # measure, which is simply the variance of the Laplacian
    return cv2.Laplacian(image, cv2.CV_64F).var()

由于Opencv-Python使用numpy.ndarray来表示图像，那我们看看numpy.var：

Help on function var in module numpy.core.fromnumeric:

var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<class 'numpy._globals$
    Compute the variance along the specified axis.

    Returns the variance of the array elements, a measure of the spread of a distribution.
    The variance is computed for the flattened array by default, otherwise over the specified axis.

2。用于图片

也就是说，var 是在扁平拉普拉斯图像或扁平一维数组上计算的。

计算数组x的variance，是：

var = mean(abs(x - x.mean())**2)

例如：

>>> x = np.array([[1, 2], [3, 4]])
>>> x.var()
1.25
>>> np.mean(np.abs(x - x.mean())**2)
1.25

对于拉普拉斯图像，它是edged 图像。使用GaussianBlur 和不同的r 制作图像，然后对它们执行laplacian filter，并计算变量：

模糊图像的边缘是smoothed，所以variance 很小。

【讨论】：

【解决方案2】：

首先，如果您看到您提供的教程，他们会将图像转换为灰度，因此它将只有 1 个通道和 1 个方差。您可以为每个通道执行此操作并尝试使用它计算更复杂的公式，或者仅使用所有数字的方差...但是我认为作者也将其转换为灰度，因为它是融合信息的好方法在作者提供的一篇论文中，实际上是这样说的

对焦良好的图像的灰度变化应该很大级别。

教程的作者其实是用简单的方式解释的。首先，想想拉普拉斯滤波器的作用。它将显示良好定义的边缘，这是一个使用他拥有的图片网格的示例。（点击查看详情）

如您所见，模糊的图像几乎没有任何边缘，而聚焦的图像有很多反应。现在，如果你计算方差会发生什么。让我们想象一下白色是 255 而黑色是 0 的情况。如果一切都是黑色的......那么方差很低（模糊的情况），但如果它们有一半和一半那么方差就很高。

然而，正如作者已经说过的，这个阈值取决于领域，如果你拍一张天空的照片，即使它是焦点，它也可能具有低方差，因为它非常相似并且没有很好的定义边缘...

我希望这能回答你的疑问:)

【讨论】：